4

我有一个 DF，它有两个感兴趣的日期，看起来有点像：

LIST_DATE     END_DATE
2000-04-18    2000-05-17 00:00:00
2000-05-18    2000-09-18 00:00:00
2000-04-18    2001-06-07 00:00:00

我按月创建了一个时期索引表“montot”，目前只有月份和年份索引

<class 'pandas.tseries.period.PeriodIndex'>
freq: M
[1999-01, ..., 2013-07]

我想要做的是每个月在第二个表“montot”中计算第一个表中属于时间段的项目（可能是按月活跃的列表）并将该字段添加到表中......所以例如，第一个表中的第一个项目将在第 4 个月计算为 1，在第 5 个月计算一次，而第二个项目将在第 5 个月到第 9 个月计算一次，依此类推。每月总计记录在新表/字段中. 所以我要一张桌子

Month    active
1/1999     5
2/1999     8

等等.. 不知道如何使用 Pandas/Python 来处理它......

4

1 回答 1

7

这是一种方法，首先是每个日期列中value_counts的句to_period点（使用Timestamp 方法）：

In [11]: p = pd.PeriodIndex(freq='m', start='2000-1', periods=18)

In [12]: starts = df['LIST_DATE'].apply(lambda t: t.to_period(freq='m')).value_counts()

In [13]: ends = df['END_DATE'].apply(lambda t: t.to_period(freq='m')).value_counts()

通过 PeriodIndex 重新索引这些，填写 NaN（以便您可以减去）并从累积结束中获取累积开始，为您提供当前活动：

In [14]: starts.reindex(p).fillna(0).cumsum() - ends.reindex(p).fillna(0).cumsum()
Out[14]: 
2000-01    0
2000-02    0
2000-03    0
2000-04    2
2000-05    2
2000-06    2
2000-07    2
2000-08    2
2000-09    1
2000-10    1
2000-11    1
2000-12    1
2001-01    1
2001-02    1
2001-03    1
2001-04    1
2001-05    1
2001-06    0
Freq: M, dtype: float64

另一个替代的最后一步是创建一个 DataFrame（它最初跟踪变化，因此开始是积极的，结束是消极的）：

In [21]: current = pd.DataFrame({'starts': starts, 'ends': -ends}, p)

In [22]: current
Out[22]:
         ends  starts
2000-01   NaN     NaN
2000-02   NaN     NaN
2000-03   NaN     NaN
2000-04   NaN       2
2000-05    -1       1
2000-06   NaN     NaN
2000-07   NaN     NaN
2000-08   NaN     NaN
2000-09    -1     NaN
2000-10   NaN     NaN
2000-11   NaN     NaN
2000-12   NaN     NaN
2001-01   NaN     NaN
2001-02   NaN     NaN
2001-03   NaN     NaN
2001-04   NaN     NaN
2001-05   NaN     NaN
2001-06    -1     NaN

In [23]: current.fillna(0)
Out[23]:
         ends  starts
2000-01     0       0
2000-02     0       0
2000-03     0       0
2000-04     0       2
2000-05    -1       1
2000-06     0       0
2000-07     0       0
2000-08     0       0
2000-09    -1       0
2000-10     0       0
2000-11     0       0
2000-12     0       0
2001-01     0       0
2001-02     0       0
2001-03     0       0
2001-04     0       0
2001-05     0       0
2001-06    -1       0

cumsum 跟踪开始和结束到该点的运行总数：

In [24]: current.fillna(0).cumsum()
Out[24]:
         ends  starts
2000-01     0       0
2000-02     0       0
2000-03     0       0
2000-04     0       2
2000-05    -1       3
2000-06    -1       3
2000-07    -1       3
2000-08    -1       3
2000-09    -2       3
2000-10    -2       3
2000-11    -2       3
2000-12    -2       3
2001-01    -2       3
2001-02    -2       3
2001-03    -2       3
2001-04    -2       3
2001-05    -2       3
2001-06    -3       3

并将这些列相加，得出当前处于活动状态的列，结果与上述相同：

In [25]: current.fillna(0).cumsum().sum(1)
于 2013-09-12T22:45:07.163 回答